پرونده ویژه

پرونده ویژه شماره 253 مجله شبکه اختصاص به مبحث یادگیری ماشین تقویتی دارد. در این شماره به شما خواهیم گفت یادگیری تقویتی چیست و چگونه کار می‌کند، چه الگوریتم‌های یادگیری تقویتی مطرحی در دسترس متخصصان هوش مصنوعی قرار دارد، به کاربردهای یادگیری تقویتی در دنیای واقعی اشاره می‌کنیم تا قبل از ورود حرفه‌ای به این حوزه‌ها با ظرفیت‌ها و فرصت‌های کاری پیش روی یک متخصص یادگیری ماشین تقویتی آشنا شوید، نکات مهمی را که هنگام استفاده از یادگیری تقویتی باید به آن‌ها دقت کنید بررسی می‌کنیم، نقشه راهی آماده کرده‌ایم که نشان می‌دهد چه مدت زمانی طول می‌کشد تا یک متخصص یادگیری ماشین تقویتی شوید و به چه مهارت‌هایی نیاز خواهید داشت و در نهایت پارادایم‌های مختلف این حوزه مثل یادگیری ماشین با نظارت، بدون نظارت، تقویتی و فرا-یادگیری تقویتی را بررسی خواهیم کرد.
اگر تمایل دارید به دنیای یادگیری ماشین تقویتی وارد شوید، این پرونده ویژه اطلاعات کلی در این زمینه در اختیارتان قرار می‌دهد، اگر پژوهش‌گر هستید، به دستاوردها و الگوریتم‌های مطرحی اشاره کرده‌ایم که می‌توانید با مطالعه بیشتر در مورد آن‌ها و کار روی آن‌ها به پیشبرد هرچه بهتر این فناوری کمک کنید.

• یادگیری تقویتی، جولان‌گاه هوش مصنوعی
• یادگیری تقویتی چیست و چگونه کار می‌کند؟ 
• الگوریتم‌های  یادگیری تقویتی برجسته در دستان متخصصان هوش مصنوعی 
• نکات مهمی که باید هنگام استفاده از یادگیری تقویتی به آن‌ها توجه کنید
• برای آن‌که متخصص یادگیری ماشین (تقویتی) شویم  به چه مهارت‌هایی نیاز داریم؟ 
• یادگیری تقویتی در چه حوزه‌هایی کاربرد دارد؟ 
• یادگیری ماشین نظارتی، بدون نظارت و تقویتی چه تفاوت‌هایی با یک‌دیگر دارند؟ 

دیدگاه 

• سرمقاله؛ سبد مهارت و شناسنامه مهارت
• چگونه برنامه‌نویس شوم؟ 

شاهراه اطلاعات

• رابط مغز و کامپیوتر به بیمار مبتلا به سندرم قفل‌شدگی اجازه داد با دیگران ارتباط برقرار کند
• استخراج کربن از هوا و تبدیل آن به بنزین. آیا انقلابی بزرگ در راه است؟ 
• فناوری ام‌آر‌آی می‌تواند ارتباط میان فعالیت مغز و ویژگی‌های روانی را آشکار کند 

فناوری شبکه

• ابر بومی چیست و چگونه دنیای توسعه نرم‌افزار را متحول خواهد کرد؟ 
• اینترنت چگونه بسته‌های اطلاعاتی کاربران را از مبدا به مقصد انتقال می‌دهد؟
• سوئیچ‌های لایه 2 چه مکانیزمی دارند و چگونه باید از پورت‌های آن‌ها محافظت کرد؟ 

امنیت

• پراستفاده‌ترین پروتکل‌های شبکه به چه آسیب‌پذیری‌هایی آلوده هستند؟
• چارچوب امنیت اطلاعات NIST Cybersecurity چیست و چه مراحلی دارد؟ 

عصر شبکه

• چگونه هنگام مصاحبه شغلی، پیشنهاد شغلی دیگری را بررسی کنیم؟ 
• روزانه چند گیگابایت اطلاعات به مغز انسان می‌رسد 

کارگاه

• جنگو چیست و چرا یکی از چارچوب‌های محبوب توسعه برنامه‌های وب‌محور است؟
• فناوری دفتر کل توزیع‌شده به چند گروه اصلی تقسیم می‌شود؟

یادگیری تقویتی، جولان‌گاه هوش مصنوعی

پیشرفت فناوری یادگیری ماشین، زندگی ما را آسان‌تر کرده است. با این حال، پیاده‌سازی این فناوری در دنیای تجارت نگرانی‌های مختلفی پدید آورده که بی‌کاری افراد فاقد تخصص یا نیمه‌ماهر یکی از مهم‌ترین آن‌ها است. یکی از چالش‌های بزرگ پیرامون یادگیری ماشین تکینگی تکنولوژیک است. بیشتر محققان این حوزه نگران هستند که هوش مصنوعی در آینده نزدیک از هوش انسانی سبقت بگیرد. از این موضوع به عنوان ابرهوشی یاد می‌شود که نیک باستروم استاد فلسفه دانشگاه آکسفورد آن‌را مغزی توصیف می‌کند که در هر زمینه‌ای کاملا متمایز از بهترین مغزهای انسانی است. به‌رغم این واقعیت که هوش مصنوعی و ابرهوش قوی در آینده نزدیک به جامعه انسانی وارد نخواهند شد، نشانه‌ها حاکی از آن هستند که شرکت‌ها به‌دنبال طراحی و توسعه ابرهوش قدرتمند هستند و سرمایه‌گذاری‌های کلانی در این زمینه انجام داده‌اند.  امروزه، سیستم‌های خودرانی مثل وسایل نقلیه خودران به دنیای واقعی وارد شده‌اند، با این حال، دور از اندیشه است که تصور کنیم یک ماشین بدون راننده هرگز تصادف نمی‌کند، اما در این شرایط چه کسی مسئول است؟ آیا همچنان باید روی ساخت وسایل نقلیه خودران تمرکز کنیم یا ادغام این فناوری با ملزومات مهم زندگی را محدود کنیم و فقط به فکر ساخت وسایل نقلیه نیمه‌خودران باشیم که ایمنی رانندگان در هنگام رانندگی را بیشتر می‌کنند؟ موارد این‌چنینی، بحث‌های اخلاقی‌ هستند که با توسعه فناوری‌‌های جدید و مبتنی بر هوش مصنوعی مورد توجه قرار دارند، اما واقعیت این است که ما مجبور به استفاده از فناوری‌های هوشمند برای غلبه بر مشکلات عصر جدید هستیم. اگر به‌دنبال راهکاری برای مقابله با ویروس‌هایی هستیم که همراه با آب شدن یخچال‌های قطب شمال به چرخه حیات باز می‌گردند، اگر به‌دنبال پیدا کردن راهکاری هستیم تا بتوانیم در کرات دیگر زندگی کنیم یا بر مشکلات رایج زیست‌محیطی غلبه کنیم، باید از فناوری‌های هوشمند استفاده کنیم تا راهکارهای موثری برای مقابله با این چالش‌ها پیدا کنیم. به‌طور مثال، در روزهای ابتدایی همه‌گیری کرونا، سرویس خودکار HealthMap که بیمارستان مخصوص کودکان بوستون از آن استفاده می‌کند، برای اولین بار موفق شد علائم بیماری کووید 19 را شناسایی کند، الگوریتم هوشمند شرکت Metabiota در سان فرانسیسکو توانست نشانه‌های این بیماری را شناسایی کند و حتا شرکت بلودات (BlueDot) با کمک الگوریتم یادگیری ماشین نه‌تنها نشانه‌های این بیماری را شناسایی کرد، بلکه به پیش‌بینی کشورهایی پرداخت که کووید 19 به آن‌ها وارد خواهد شد. 

هنگامی‌که صحبت از هوش مصنوعی و یادگیری ماشین و به‌ویژه نوع تقویتی آن به‌میان می‌آید، دیدگاه برخی از افراد نسبت به این فناوری منفی است و به این نکته اشاره دارند که فناوری‌های مذکور بازار کار و دنیای اشتغال را با بحران جدیدی روبه‌رو می‌کنند. در حالی‌که نگرانی بخش عمده‌ای از جامعه در مورد هوش مصنوعی در ارتباط با از دست دادن شغل است، اما برخی بر این باور هستند که باید اطلاعات دقیق‌تر و بهتری در اختیار جامعه قرار داد. 

دورنمای تاریخ بشر، نشان داده که با ورود هر فناوری جدید به جامعه، تقاضای بازار برای موقعیت‌های شغلی خاص تغییر می‌کند. به‌عنوان مثال، وقتی به صنعت خودروسازی نگاه می‌کنیم، متوجه می‌شویم که بیشتر تولیدکنندگان، مانند جنرال‌موتورز، روی تولید خودروهای الکتریکی تمرکز کرده‌اند تا با جنبش سبزی که هدفش پاسداری از محیط زیست است، همگام شوند. در این‌جا، قرار نیست صنعت انرژی از بین برود، بلکه منبع انرژی از سوخت‌های فسیلی به انرژی برق یا خورشیدی تغییر حالت می‌دهد. 

همین قاعده در مورد هوش مصنوعی صادق است؛ به‌طوری‌که دنیای مشاغل را به‌ سمت‌و‌سویی هدایت خواهد کرد که مبتنی بر دانش و تخصص خواهند بود. به‌طور مثال، با رشد و تغییر فزاینده داده‌هایی که در طول روز تولید می‌شوند، به افرادی برای مدیریت سیستم‌های ذخیره‌سازی و طبقه‌بندی اطلاعات نیاز خواهیم داشت. افرادی که داده‌های مورد نیاز الگوریتم‌های هوشمند یا بخش‌های مورد نیاز یک سازمان را مرتب‌سازی کرده و ساختارمند کنند. علاوه بر این، با ورود هوش مصنوعی به بازار کار، مشاغل جدیدی به‌وجود خواهند آمد که عمدتا نظارتی هستند. جنبه مثبت ورود فراگیر هوش مصنوعی و یادگیری ماشین به بازار کار به‌گونه‌ای است که به افراد علاقه‌مند به دنیای هوش مصنوعی، آمار و داده‌ها، کمک می‌کند به این حوزه‌های جدید پرتقاضا وارد شوند. با مقدمه‌ای که ارائه کردیم، متوجه شده‌اید که پرونده این شماره مجله شبکه اختصاص به مبحث یادگیری ماشین تقویتی دارد. در این شماره به شما خواهیم گفت یادگیری تقویتی چیست و چگونه کار می‌کند، چه الگوریتم‌های یادگیری تقویتی مطرحی در دسترس متخصصان هوش مصنوعی قرار دارد، به کاربردهای یادگیری تقویتی در دنیای واقعی اشاره می‌کنیم تا قبل از ورود حرفه‌ای به این حوزه‌ها با ظرفیت‌ها و فرصت‌های کاری پیش روی یک متخصص یادگیری ماشین تقویتی آشنا شوید، نکات مهمی را که  هنگام استفاده از یادگیری تقویتی باید به آن‌ها دقت کنید بررسی می‌کنیم، نقشه راهی آماده کرده‌ایم که نشان می‌دهد چه مدت زمانی طول می‌کشد تا یک متخصص یادگیری ماشین تقویتی شوید و به چه مهارت‌هایی نیاز خواهید داشت و در نهایت پارادایم‌های مختلف این حوزه مثل یادگیری ماشین با نظارت، بدون نظارت، تقویتی و فرا-یادگیری تقویتی را بررسی خواهیم کرد. 

اگر تمایل دارید به دنیای یادگیری ماشین تقویتی وارد شوید، این پرونده ویژه اطلاعات کلی در این زمینه در اختیارتان قرار می‌دهد، اگر پژوهش‌گر هستید، به دستاوردها و الگوریتم‌های مطرحی اشاره کرده‌ایم که می‌توانید با مطالعه بیشتر در مورد آن‌ها و کار روی آن‌ها به پیشبرد هرچه بهتر این فناوری کمک کنید.